Magamról

Saját fotó
Főiskolai, majd egyetemi diplomamunkáimtól kezdve világ életemben, adatok, adatbázisok, adattárházak (leginkább Oracle) környékén mozogtam. Mostanság adattárházasként, adatbányászként élem napjaimat.

2017. január 24., kedd

Starschema

Javítva/kiegészítve:  2017.01.25 23:40

A fél Szilícium-völgynek egy magyar cég bányász adatokat

Elképesztő (fenti) cikk jelent meg ma az index.hu-n, ráadásul sokáig fennvolt, címlapos vezércikként. A meglepetés ereje ütközött bennem a visszaemlékezés erejével, mivelhogy éveket dolgoztam a Starschema-ban.
* Még akkor kezdtem ott talán 2011 májusában, amikor két kis sötét "garázscéges" irodaházi szobában egymás elöl szívva el a levegőt dolgoztunk (konkréten egy-egy asztalnál dolgoztunk ketten is, helyhiány miatt, viszont régi szép idők voltak).
* És amikor eljöttem lassan 1 éve, akkor már nagyon benne voltunk a felfutottságban (100+ alkalmazott, eddigi utolsó elötti árbevétel-duplázás 1 milliárdos árbevétellel).
* Mindehhez messze én voltam a legöregebb dolgozó kései baby boomerként (még az ügyvezetőnél is erősen öregebb voltam). :)

A most következő sorok mégsem a nosztalgia jegyében fognak sorjázni, Egy személyes visszaemlékezést, amit amúgy szeret a blogolás műfaja, nagyon könnyedén meg tudnék írni, jó bőségesen, viszont sosem vinne rá a lélek, hogy publikáljam. Egy ilyen történetben az én "költségem" messze nagyon nagy lenne, amit nagyon kicsi közösségi haszon próbálna ellensúlyozni a másik oldalon. Azaz nincs értelme.

Vagyis immáron kívülállóként, kizárólag cikkbeli és netes publikus adatok alapján igyekszem a számok mögé nézni, hatékonyság/termelékenység/perspektíva kontextusában (mindenféle bennfentes információk mellőzésével).

Van a magyar sajtóban (index.hu-n is bőséggel), egy túlburjánzó, alapvető módon rossz üzenetet hordozó közgazdasági fogalom: "termelékenység". Amivel két gond is van:
* Azt sugallja, hogy a lusta magyar munkás sz*rik a melóba és töredékét termeli csak a lehetségesnek.
* Magyar bérek azért alacsonyak, mert ez a magyar termelékenység nagyon alacsony.
Ettől még persze a téma nagyon érdekes és elgondolkodtató. :)

Nem kívánok itt és most a kérdésben állást foglalni (hogy mennyire más megközelítésben, másképp kéne gondolkodni a kérdésben), pusztán csak számokat szeretnék előszedni a magyar "sikerspektrum" két végéről Győri Audi ("szalagmunka") illetve a mostani cool és menő befutott Starschema ("képzett, angolul beszélő adattudósok, 500 Fortune-os megrendelőkkel").

A "spektrum" az állami támogatást jelenti (Győri Audi rendesen kistafírozódott, míg a Starschema 100% önerőből érte el, amit elért). Erre ortogonális a "termelékenységes összeszerelés" pejoratív problematikája.

1. Sikerspektrum egyik vége: Győri Audi Kft.
Amikor a kormány nem harcol a multik ellen, pénzzel tömi őket - index.hu
Audi 2008-as 5,3 milliárdos támogatása összesen csak 150 munkahelyet hozott létre, ami azt jelenti, hogy egy munkahely nagyjából 35 millió forintba került ebben az esetben.
Laikusként én úgy gyorsszámolok (nyugodtan lehet kijavítani), hogy a gyári "szalagnál dolgozó tömegmunkás" akkori bérszinvonalon 200.000 Ft nettót visz haza havonta a zöldmezősen megteremtett állásból a (szalag)munkás, azaz a dolgozó+multi befizet az államnak kb. 400.000-et havonta köszönhetően a magyar állami újraelosztás (adóelvonás) magas mértékének, jóindulatúan nem számolom most a multis adókedvezményeket sem.

Azaz 100 hónap (8 év) alatt jönne vissza egyáltalán a befektetett pénz a konkrét esetben (most nem nézve az adókedvezménnyel könnyített társasági adót). Felmerül a kérdés, hogy ha sok 35 millám van és hozzá nagyon sok - ad absurdum dolgozni is akaró - munkanélküli hozzá, ez az út-e a legjobb befektetés a párosításhoz?

Nézzük az Audi oldalát!

Mára 11.000-en dolgoznak, 15+ év távlatában. Nem kínlódva a finomító közbülső számolásokkal, inflációval, felső hangon 385 milliárdba került a magyar államnak az Audis munkahelyek (ez lehet jóval kevesebb, de azt vegyük észre, hogy indulásnál, amikor még nem volt itt az Audi, akkor a zsarolóponteciálja is nagyobb volt, hogy idejöjjön hozzánk, vagy más országot keressen).

Ha mindenki végig dolgozott volna (300 hónap) az 11.000x300x400.000 forint ment a magyar államnak=1.320 milliárd (nyilván ez az államhoz befolyt pénz sokkal kevesebb, a tárgyalt ok miatt)

Na ezt vessük össze a naponta(!!!!) 7-8.000 Audi-motor bevételével. Lövésem sincs mennyibe kerül egy Audi-motor, én most 1 millának veszem. Így napi 8, havi 240 milliárd forint az árbevétel. Ha ezt ugyanúgy 300-al szorzom (helytelenül, hiszen fokozatos volt a növekedés), az 72.000 milliárd forint.

Felmerülő elgondolkodtató (költői) kérdések:
* Hol és mire költődik el a gyártás révén megtermelődött profit?
* Az itthoni jóléti GNI-t ki fogja évről-évre finanszírozni? A multi vagy mi az adóinkból és a magyar állam?
* Havi nettó 200.000-ből milyen minőségű önreprodukció érhető el és meddig?
Stb.

2. Sikerspektrum másik vége: Starschema Kft. 
* Ma a big data technológiákra épülő megoldások és szolgáltatások a globális IT piac igen gyorsan bővülő területe, amelynek mérete szakértői becslések szerint 2019-re a 190 milliárd dollárt is elérheti.
* Egyedül a Szilícium-völgyben több százezer big data gurura lenne szükség, de az üres pozíciókat annak ellenére nehéz betölteni, hogy már a kezdőket is 100 ezer dollár feletti éves átlagjövedelemmel csábítják.
* Árbevétel-duplázódás (dolgozólétszámmal):
2013 281 millió, 8 alkalmazott
2014 620 millió, 27 alkalmazott
2015 1 milliárd, 57 alkalmazott
2016-ban elérte a 2 milliárd forintos határt (132 alkalmazott),
* A leggyorsabban növekvő európai vállalkozások listán szerepel (#1590 - Starschema)
* A cég várakozásai szerint adózás előtti nyeresége is emelkedik 160 millió forintra az előző évi 116,2 millióról.
* „Meg kell keresni azt a kevesek által nyújtott szolgáltatást, amire olyan nagy az igény, hogy mindegy ki vagy, mindegy honnan jössz, megveszik tőled, mert máshonnan nem kapják meg” A big data szolgáltatásokat nem egy kéthetes Google Adwords kampánnyal fogod eladni. Ehhez arra van szükség, hogy az iparág megismerjen, és ezáltal személyes kapcsolatokra tegyél szert. A szakmai fórumok és blogok például kiválóan alkalmasak arra, hogy megvillantsd a tudásod.
* Az egyik a data science (nincs elfogadott magyar megfelelője) területe ahol olyan algoritmusok kifejlesztése a cél, amikkel – a statisztikára, a gépi tanulásra és a nagy mennyiségű adatok feldolgozására támaszkodva – bonyolult összefüggések tárhatók fel.
* A Starschema data science csapatának tagjai elsősorban az ipari internetre fókuszálnak.
* A másik terület, a data engineering ott kezdődik, ahol a data science véget ér.
* Remek példa erre az a megbízás, amivel a Netflix kereste meg a Starschemát. A feladat az volt, hogy a közel 90 millió előfizető által generált több százmillió adatot felhasználva a világ legnagyobb streamingszolgáltatójának elemzői másodpercek alatt hozzáférjenek a legfontosabb mutatószámokhoz, mint például a nézettség, a sorozat öregedés vagy a folytatási hajlandóság.
* A Facebook az adatvizualizációs szervereit egy ideje már a Starschema programjaival felügyeli és frissíti, jövőre pedig a magyar cég fogja segíteni a világ legnagyobb közösségi hálózatát egy olyan algoritmus elterjesztésében, amivel könnyebb és gyorsabb lesz felderíteni a gyanús felhasználói aktivitásokat.
* Az adat az új olaj 
* Az USA nagyvállalatai egy Váci úti adatmágusnál állnak sorban
Egyetem sem kell a hét számjegyű fizetéshez. Már nem ritkák a hét számjegyű fizetések az iparágban.
„Próbálunk az oktatásba beszállni, ott vagyunk különböző felsőoktatási intézményeknél, magánkezdeményezéseknél is, mert ha élni akarunk ezzel a kitörési lehetőséggel, akkor ennél jobb PISA-eredményekre lesz szükség
Bár már néhány hónapos programozó tanfolyamok is vannak, Földi szerint azért egy évre szükség van a szakma megismeréséhez. „Nem a szakmai tudás, inkább a mentalitás elsajátítása, a rendszerek működésének megértése miatt. Néhány hónap alatt betekintést lehet kapni, de nem alakul ki a szükséges látásmódod” – figyelmeztet a gyorstalpalók veszélyeire.
* "Bár vannak vélemények, hogy itt is az autóiparhoz hasonló összeszerelő-műhely van kialakulóban, Földi szerint ez a szerep hagyományosan inkább Indiáé."
* „Ugyanakkor a technológia exponenciális fejlődése adja a létjogosultságukat és biztosítja túlélésüket is: az újítások miatt nem unják magukat halálra, mert azért az IT iparág nem egy adrenalinbomba. „Azt látni kell, hogy nem az izgalomról szól huszadszorra átvinni egy adatot egyik adatbázisból a másikba. Ezért aztán jó, ha az új technológiákkal egy kis kihívást kapnak a dolgozóink is, miközben a konkurenseket is beelőzzük.”
* Személyreszabottság: Az IT szektorban a jó fizetés alapfeltétel. A motiváltságot és a lojalitást pedig csak személyre szabott fejlődési tervekkel lehet biztosítani.
Starschema nagyon menő informatikai (minta?)cég Magyarországon. Válság után, duplázásos 2 milliárdos árbevételt produkálni, nehéz globális versenyben.Ilyet emlékeim szerint legutóbb az IqSys tudott felmutatni, ami viszont azonnal lejtmenetre kapcsolt ezután.
* 2 milliárd forintos éves árbevétel
* 250 munkanapra, napi  8 millió forint éves árbevétel
* 160 millió adózás elötti nyereség
* 1 milla és feletti havi fizetés dolgozóknak (magyar átlag felett jóval)
* 132-140
* 1.800 m2-es iroda (10+ m2/fő)
* Irodabérlet: 3.000/m2/hó(+ÁFA) & Üzemeltetési költség 1250 Ft/m2/hó(+ ÁFA)
Éves szinten tehát 100 millió forint ÁFA nélkül, alsó hangon.
* Nem a megrendelés-hiány a szűk keresztmetszet, hanem nehéz dolgozókat felhajtani (növekedésben).

Dolgozói pénzösszegek 1 (új) főre (minimum)
+ ~15-20 millió forint éves szinten (szuperbruttósítás után)
Ebből (1 millió forintos bruttónál/1 fő/1 hó)
665.000 Ft a havi nettó, 8 millió Ft az éves nettó, 250-30 szabi=220 munkanap-ra, 36.000 Ft napi nettó
1.235.000 Ft a Starschema összes költsége e béren, felszorzás után 14.820 millió Ft az éves bérköltség
+ ~1 millió forint irodabérlet.
+ 0.5 millió Ft hardver, egyszeri költség
+ 0 Ft szoftver (jellemzően open source szoftverek)
+ 150.000 Ft éves képzési díj (ennél többet befogadni konstruktíven nehéz)
+ Azaz összesen 15-20 millióba kerül egy (új) dolgozó, azaz 140-nel szorzás után kijön a 2 milliárdos nagyságrend költség oldalon is.
+ E költségstruktúra mentén: a dolgozó kb. 1.2 milliós adózás elötti nyereséget termel átlagban.
+ 2 milliárd Ft árbevétel osztva 132 dolgozóval = 15 millió Ft éves árbevétel  (8 millás nettóból)
+ Nem tettem különbséget a pénztermelő és felnemosztott költséges (hr+management) dolgozók között.

A nehéz és komoly előfeltételeket támasztó meló (ami Földi Tamás szerint nem "összeszerelő" típusú)
* nagyon specifikus, más humán-területre nehezen átvihető.
* agilisan lélek-kiégetően szemrongálóan nagyon nehéz, komplex, sok, hajszás, stresszes, egy folyamatosan elk*rvuló szakmában/világban.
* folyamatos extenzív és intenzív tanulás-igény és vele párban elképesztő tempójú avulás jellemzi.
* alapvetően szereti mellőzni a visszamérést. Emiatt sokszor inkább csak munkadarálás van, jóleső visszatekintő élvezkedés nélkül.
* brutális az overhead a kreatív részhez képest (pl.: értelmetlen meeting-hegyek angolul)
* szakirányú tehetség követelménye (IQ, sok infó tárolása, gyors és precíz előhívással)
* egyre több és problémásabb informatikai baromságok kerülgetése: hol van egy Pascal világos hibaüzenetei mellett a Talendes Java-fejlesztés hibakeresése ("intenal error az internal error hibamegjelenítés során").
* jellemzően open office-ban kell dolgozni, ami az én meggyőzödésem szerint, hogy még 10 m2/fő esetén  is egészségtelen hosszabb távon.
* sikerességhez angolul nagyon kell tudni (informatika-szakmai affinitás és képesség mellett pluszba):
+ zajos, gyenge (mobil)telefonon hadaró és/vagy akcentusos és/vagy gyengén beszélő például indiaiakat megérteni, szót érteni velük.
+ bőséges és folyamatosan bővülő, szótárból gyakran hiányzó szókincs, bőven 10.000+ -es nagyságrendben: hol van már Ogdon Basic English-es földműves parasztjának 800 szava.
+ gyors (kommunikációs) reagálás követelménye.
+ nyelvi finomságok a taktikai játékok minőségi játszásához.
+ mindehhez jön az említett időigényes fárasztó, overheades, redundáns, rengetegszer felesleges meetingek. Ami csak kezdetben hordoz érdekességet, ha és egyáltalán.

Mindehhez nézzük a világviszonylatot.
* 190 milliárd dolláros=57.000 milliárd forintos piac felé tart (ebből hasít ki a magyar szinten kiemelkedő Starschema 2 millliárdot).
Magyarország éves teljes bevétele 15.000 milliárd forint)
* Az amerikai data scientist  kolléga évi 100.000 dollárt keres, azaz 30 millió forint bruttót, ami 2.5-szerese a tárgyalt magyar bruttónak.
+ Kb. 24 millió Ft nettó éves szinten meg 3-szorosa az átlagon felül fizetett magyar nettónak (8 millió), ugyanazon (egyébként világszinvonalú ÉS hiánygazdaságos) munkáért.
+ Sokkal jobb adózással, mint magyar, jóval kisebb munkaadói költségekkel.
+ Jobb környezetben.
* A teljes 132-140 fős, kreatív és nem összeszerelő mintacég Starschema adózás előtti nyeresége 5-6 amerikai data scientist éves jövedelme csak csupán.

A számok és boldogság-perspektíva (nekem) annyira mellbeverőek, hogy költői kérdésekre/felvetésekre alig-alig futja már. :(
* A 2 milliárd forintos árbevétel csak nekünk magyaroknak sok, összességében elenyésző
* 160 millás éves adózás elötti nyereség még magyar szinten sem hangzik soknak, pláne ilyen nagy erőfeszítés mellett.
* Kapitalizmus van: ugyanaz(!) az ember (munkája) Amcsiban 2.5-szer annyit "ér", mint  Magyarországon, úgy hogy itthon így is bőven átlag felettit keres. És ez az "ugyanaz" Starschema-ban, nagyon rövid úton realitás lesz, az amerikai irodával.
* Nem véletlenül van gigantikus léptékű munkaerőhiány az iparban. Mind (fentebb is vázolt) követelmény, mind nehézség/komplexitás, mind rossz körülmények (én  nem az XBox-ban és pingpong asztalban mérem ezeket), mind boldogság oldalon súlyos árat kell fizetni az átlag feletti bérért, az én érzékelésemben.
* Szerintem amit a Starschema csinál, az Földi Tamásnak némileg ellentmondva "összeszerelés" (még ha szofisztikáltabb és nehezebben detektálható is). Voltak/vannak ott más nem ilyen irányú projektek is (pl.: a szerintem zseniális VirtDB), de nyilvánvaló a pénz nem olyan jön/jött.
Azért érdemes disztingválni az ügyben: nyilván nem a "legalja"-összeszerelés, hiszen annál nyilván relevánsan komolyabb a Starschémás tevékenység, mint kis indiaiak százával írnak át kézzel(!) üzletei intelligenciás RPG-programot valami modern programozási nyelvre. De alacsonnyab jövedelmezőséget tekintve mégis csak predesztinálódik az öldöklő csatatérre, amire a globalizáció kényszerít. Éhenhaláshoz sok, élmezőnybe-felzárkózáshoz eléggé kevésnek hangzik (a nyereségből felhasználható cash alapján).
* Az 57.000 milliárdos piacnak picivel nagyobb szeletét vajon mennyire esélytelen okosabban, jobb szervezéssel kihasítani? Megfelelő "inicializálás" után a gépek dolgozzanak és termeljék a pénzt, miközben sör mellett lehetne beszélgetni az "inicializálás v2.0"-ról, amit ad absurdum hátul kullogva néznek a gyilkos hajlamú versenytársak.
* Érdemes lenne mélyen elemezni mennyire önkizsálmányolós a meló egyfelöl (ami meló fentebbi érzékeltetését szakmabeliként én is próbáltam volna néhány sarokpontján keresztül elsőkörösen megvillantani) és mennyire bagóért (amikhez fentebb próbáltam számokat keresni) egy ennyire munkaerőhiánnyal küzdő téma szempontjából pro és kontra erősen globalizált világban, egyúttal öldöklő verseny frontjain.

Ez a "önkizsálmányolás bagóért" kérdésfelvetés lenne a tulajdonképpeni végcélja ennek a blogposztnak (ami némileg harmonizál Földi Tamás "nem adrenalinbombá"-jával).
Akik egyszerre értékes emberek a szakmájukban és tudnak jól angolul, meg bírják a melót egy világszinvonalú témában (data science), azoknak a személyes erőforrásait nagyon meg kell becsülni és nagy odafigyeléssel haszon-maximalizálással lenne üdvös kiaknázni. 
Én nagyon szkeptikus meg keserű vagyok mára már, de örülnék neki, ha minél kevésbé lenne igazam ebben a percepciómban.

Zárszó:
Amikor a Starschema-ba mentem, akkor három dologgal (minimum) bombáztam Földi Tamást, amire mailjeim és blogposztjaim vannak bizonyításra - :) - most a cikk kontextusában maradva, amolyan személyes adalékként, csak hogy legyen ilyen is.

* Fiatalok hadrafogása, akár egyetemisták szintjén is. Mondván lelkes, életerős, tanulnivágyó, zsebpénz-kiegészítést kereső emberek vannak egyik oldalon, másik oldalon, egyetlen nehézséget kell csak kezelni: jól kell közöttük válogatni. Mára ez már valóság lett a fenti infók szerint, ráadásul fejlettebb/szervezetebb formában, mégha én magam nem is élhettem meg Starschema-ban, helyben. :)
Igazsághoz hozzátartozik, hogy Földi Tamás viszont olyanban dobott nagyot e téren, úttörőkőnt, amire meg én nem gondoltam (és ma már többen követni igyekszik példáját az iparban): olyanokat hívott dolgozni, akikben semmi effektív domain-szakértelem nem volt korábban, csak és kizárólag potenciál, no és angol nyelvtudás. A nagy Starschema-menetelésben nekik is szerepük volt, nem is kevés.
Az ember nem is gondolná, hogy a két megközelítés kizárja egymást, de a korábbi egyetemistás-verzióm ellen, tisztán emlékszem, Tamásnak averziói voltak (amik aztán eltüntek szerencsére az évek során).

* Személyreszabottság  a munkaerő kezelésében (terhelhetőség, oktatás/fejlődés/képzéstanulás, projekt-kiválasztás, szerepkörök, backend/frontend-ben dolgozás, stb.), érzékelve, hogy a bér nem minden az Y-generációnak, egy ekkora emberi lelket égető húsdarálóban, ami a Big Data-t és üzleti intelligenciát illeti. Ami nyilván jóval nehezebb, komplexebb, melósabb HR-feladat, mint klasszikus esetben. Amikor én ott voltam, akkor ez még nagyon gyerekcipőben volt, explicit ki sem mondva, mára ez is valóság lett, a cikk szerint.

* Egy nagy vágyam volt, amikor még ott voltam a Starschemában, amivel borzasztóan kilógtam a sorból, és gondolom a mai napig nem támogatott, cikk sem említi (ettől még lehet mára valóság lett ott ebből is, hiszen nem tudhatom). A best practice-k, segédinfók, stb. gyűjtése knowledge centerbe: ne kelljen mindenkinek mindig feltalálni a melegvízet, hézagos infókból egy-egy feladatnál, tipikus ám challange-s bug-keresésnél, hogy aztán az agilis napi őrület pörgésében azonnal el is avuljon kvázi minden kiküzdött információ.
Túl költséges lett volna a dolog?
Kényelmesebb embert/munkaerőt skálázni fel a saját nagyobb overheadjével együtt?
Megengedve, hogy nincs igazam a témában, hiszem, hogy a jövőben az lehet sikeresebb, aki fejlesztési rezsit csökkent érdemi módon, kikerülve a fájdalmas mellékvágányos iterációkat (minél inkább a munka érdemi és emberi/kreatív részével, meg az effektív pénzcsinálással kelljen foglalkozni, minél kevésbé pénzzabáló módon). Bőven hiszek az ebben lévő potenciálban, akár knowledge center, akár fejlettebb automatizmusok használata mentén.

Nincsenek megjegyzések:

Megjegyzés küldése